Python3实现CSV元素交叉比对并计算邮政编码间地理距离

现有代码问题梳理 #

• 导入语法错误，geopy相关导入写法不符合规范
• df.loc直接用Postcode值查询会报错，默认情况下DataFrame的索引不是Postcode字段
• 嵌套for循环效率极低，数据量超过1000条时性能会非常差
• 缺少实际的距离计算逻辑，仅输出了坐标值

完整实现步骤 #

第一步：安装依赖 #

执行以下命令安装需要的第三方库：
pip install pandas geopy

第二步：实现代码 #

使用pandas笛卡尔积（交叉连接）替代嵌套循环，大幅提升计算效率，代码如下：

import pandas as pd
from geopy.distance import geodesic

# 读取本地CSV文件
df = pd.read_csv('MonkeyProof_postcodes_developer.csv')

# 生成所有邮政编码的两两组合（笛卡尔积）
df['temp_key'] = 0
cross_df = pd.merge(df, df, on='temp_key', suffixes=('_left', '_right')).drop('temp_key', axis=1)

# 计算两组坐标之间的公里距离
cross_df['distance_km'] = cross_df.apply(
    lambda row: geodesic(
        (row['Latitude_left'], row['Longitude_left']),
        (row['Latitude_right'], row['Longitude_right'])
    ).km,
    axis=1
)

# 仅保留需要的字段输出
result = cross_df[['Postcode_left', 'Postcode_right', 'distance_km']]
# 可以根据需要打印或者保存到CSV
# print(result)
# result.to_csv('postcode_distance.csv', index=False)

如果你的Coords字段已经是预处理好的(纬度, 经度)元组格式，也可以直接替换lambda内的坐标参数，无需单独读取经纬度字段。

可选优化 #

如果不需要重复配对和自身配对，可以添加以下过滤逻辑，减少一半以上的计算量：

# 过滤掉自身配对，且只保留A<B的组合避免重复
result = result[result['Postcode_left'] < result['Postcode_right']]

内容的提问来源于stack exchange，提问作者Jonas Willems